PIXART LCMは、テキストから画像を合成するフレームワークであり、潜在的一貫性モデル（LCM）とControlNetを高度なPIXART-αモデルに統合しています。PIXART LCMは、効率的なトレーニングプロセスにより1024pxの高解像度画像を生成できることで知られています。PIXART-δへのLCMの統合により、推論速度が大幅に向上し、わずか2～4ステップで高品質な画像を生成できるようになりました。特に注目すべきは、PIXART-δが0.5秒で1024x1024ピクセルの画像生成という飛躍的な進歩を達成し、PIXART-αと比較して7倍の性能向上を実現したことでしょう。さらに、PIXART-δは32GB V100 GPU上で1日で効率的なトレーニングを行うことができるよう設計されています。8ビット推論機能を備えたPIXART-δは、8GBのGPUメモリ制限下でも1024pxの画像を合成でき、可用性とアクセス性を大幅に向上させています。また、ControlNetに類似したモジュールの導入により、テキストから画像への拡散モデルを精密に制御できます。Transformer向けに特化した、新しいControlNet-Transformerアーキテクチャを導入することで、明示的な制御可能性と高品質な画像生成を実現しました。最先端のオープンソース画像生成モデルとして、PIXART-δは安定拡散モデルファミリーに有望な選択肢を提供し、テキストから画像への合成に大きく貢献しています。